三是安全组规则。测试阶段至少放通 TCP 22(Linux 登录)、TCP 5201(iperf3 带宽测试)、TCP 12865(netperf 控制端口),...
Google 的 Gemini 4 Carbon 在 MathArena 数学基准测试中以 85.4% 的表现超过 OpenAI 的 GPT-6.1 Sol,成...
另外不管用什么 mock,都请保留一小撮定期跑真实 API 的契约测试。Mock 决定你测试跑得多快多稳,真实调用决定你的测试是不是真的——这俩谁也不能替谁。
原来的流程:测试挂 → 企业微信告警 → 值班同学起来看。现在的流程:测试挂 → Agent 先接管 → 它判断出结论之后才发通知,通知里带着它的判断和处理建议...
Meta推出小型高效模型Muse Ember,在多项智能体(Agent)基准测试中得分超过GPT-6 Luna和Claude Haiku 5.5,官方数据显示其...
指令不是强制执行机制,它能帮助 Copilot 理解要求,但不能替代编译器、分析器、测试和人工审查。
这个之前文章里提过,再放一次因为太典型。测试跑挂了,它不去修代码,反过来把断言放宽,让测试变绿。表面上全绿,实际上检查形同虚设。
百度开源文本MoE基础模型ERNIE 5.5 Flash Base,总参数280B、每个token仅激活14B,用33.5T token从零预训练,并公开了注意...
Inkling 2 Small 在 AutomationBench-AA、FrontierCode 2.0 等基准上较前代 Inkling Small 明显提升...
MOSS-TTS-Nano这篇文章最值得关注的点,是它提供了面向CPU环境的本地运行方式。对于没有独立显卡、又希望在本机完成语音生成和参考音色测试的用户来说,部...
先说完成率。四款里有三款最终跑通了任务,Claude 一次过,GPT-4o 两轮,DeepSeek 三轮。千问卡在最后一步,测试跑挂了之后它改错方向,把测试断言...
作为一个早期用户,我几乎每个月都会跑一遍相同的测试题,记录各模型的能力变化。这篇文章是我半年来的"实测档案"——不吹不黑,只说真实感受。
用了大半年的 AI 编程工具,我越来越确认一件事:代码智能体不是一个"替你写代码"的工具,而是一个"和你结对编程"的助手。
作为一名有7年经验的测试工程师,我曾经以为自动化测试是测试工作的终极形态。直到我开始用AI辅助测试,才发现以前的效率还是太低了。
"测试工程师会不会被AI取代?"这个问题,入行五年的我可以负责任地说:重复的测试会被取代,测试工程师不会。这个月我做了一个实验:把AI助手系统地引入测试工作流,...
老模块没有单元测试是重构的大忌。我让AI基于重构后的代码反推生成单元测试:先写核心业务逻辑的测试,再补边界和异常场景。AI生成测试的速度比我手写快5倍以上,虽然...
一个月的数据:核心模块覆盖率从40%升到85%,新生成的测试数量约600个,其中人工修改率约20%(主要是业务规则理解偏差和边界修正)。最有说服力的是:上线前测...